如何在Pandas DataFrame中根据指定列值查找同行对应值

嗨，我来帮你搞定这个Pandas的取值问题！先把你的示例DataFrame还原出来，方便后续演示：

import pandas as pd

data = {
    'Time': [00000.0, 00001.0, 00002.0, 00003.0, 00004.0, 00005.0, 00006.0, 00007.0, 00008.0, 00009.0, 00010.0, 00011.0, 00013.0, 00014.0, 00015.0, 00016.0, 00017.0, 00018.0],
    'P': [1004.6, 1004.2, 1003.5, 1002.8, 1002.0, 1001.4, 1000.3, 999.5, 998.9, 998.0, 997.3, 996.9, 995.3, 994.6, 994.3, 993.6, 992.5, 991.8],
    'T': [12.2, 12.1, 11.9, 12.0, 12.1, 12.1, 12.2, 12.1, 12.2, 12.1, 13.1, 13.2, 13.3, 13.6, 13.5, 13.5, 13.3, 13.3],
    'R': [96, 96, 96, 96, 96, 96, 96, 96, 96, 96, 96, 97, 97, 97, 97, 96, 96, 96],
    'H': [12, 15, 21, 27, 34, 39, 48, 55, 59, 67, 73, 76, 90, 96, 98, 104, 114, None]
}

df = pd.DataFrame(data)

下面分几种常用场景，教你怎么根据列值查找对应行的其他数据：

比如想找Time为00010.0时对应的P和T值，有两种常用方法：

方法一：用.loc（最直观，新手友好） #

.loc可以通过布尔条件定位行，还能直接指定要提取的列：

# 获取匹配行的全部数据
result_row = df.loc[df['Time'] == 00010.0]
print(result_row)

# 只提取指定列（比如P和T）
result_cols = df.loc[df['Time'] == 00010.0, ['P', 'T']]
print(result_cols)

# 确定只有一行的话，还可以直接拿标量值
p_value = df.loc[df['Time'] == 00010.0, 'P'].iloc[0]
t_value = df.loc[df['Time'] == 00010.0, 'T'].iloc[0]
print(f"对应的P值：{p_value}，T值：{t_value}")

方法二：布尔索引直接筛选 #

写法更简洁，本质和.loc逻辑一致：

# 先筛选出匹配的行
filtered_df = df[df['Time'] == 00010.0]
# 再提取需要的列
print(filtered_df[['P', 'R', 'H']])

如果指定列的值有重复（比如R列的96出现很多次），上面的方法会返回所有匹配行，你可以直接转成列表或者进一步处理：

# 获取所有R=96的行的H列数据
h_values = df[df['R'] == 96]['H'].tolist()
print(f"所有R=96对应的H值：{h_values}")

如果需要反复根据某一列的值查询，建议把该列设为DataFrame的索引，查询速度会快很多：

# 将Time列设置为索引
df_indexed = df.set_index('Time')

# 直接通过索引取值，一步到位
p_value = df_indexed.loc[00010.0, 'P']
print(f"Time=00010.0对应的P值：{p_value}")

# 要是需要恢复原结构，重置索引就行
df_indexed = df_indexed.reset_index()

这些方法基本能覆盖你的查询需求啦，根据自己的场景选合适的用就好～

内容的提问来源于stack exchange，提问作者Jonathon